Dlaczego teksty z ChatGPT wciąż brzmią jak robot i co z tym zrobić
Pierwszy raz, gdy kazałem ChatGPT napisać mail sprzedażowy, dostałem wiadomość, która brzmiała jak połączenie regulaminu banku z instrukcją BHP. Wszystko było poprawne. Bezbłędna polszczyzna, ładne akapity, zero literówek. I kompletny brak życia.
Jeśli używasz AI w marketingu, pewnie znasz ten efekt. Post na socialach wygląda jak streszczenie podręcznika, newsletter sprzedażowy brzmi jak ulotka urzędowa, a blog przypomina wypracowanie na ocenę „bardzo dobrą”, ale bez ani jednego zdania, które naprawdę zapadasz w pamięć.
To nie jest złośliwość modelu. To kwestia konstrukcji. ChatGPT to ogromny model statystyczny, który uśrednia język. Szuka najbardziej prawdopodobnych sformułowań, unika ryzyka, trzyma się bezpiecznych schematów. Efekt? Tekst jest gładki, ale płaski. Mało znaków wątpliwości, mało konkretu, sporo nominalizacji i tych samych konstrukcji zdań powtarzanych w kółko – dokładnie to, na czym bazują dzisiejsze metody wykrywania treści AI.
Jeden z ekspertów, z którym rozmawiałem przy pracy nad tym tematem, powiedział ciekawą rzecz: uczłowieczanie AI to nie jest magia narzędzi, tylko rzemiosło pracy z językiem. Zgadzam się z tym w stu procentach. Narzędzia pomagają, ale najwięcej robi świadomy copywriter, który potrafi nadać tekstowi rytm rozmowy, a nie tylko poprawność gramatyczną.
Nie chodzi o „oszukiwanie detektorów” ani podszywanie się pod człowieka w złej wierze. Chodzi o jakość komunikacji. O to, żeby post na LinkedIn naprawdę angażował, a nie tylko „ładnie wyglądał”. Żeby newsletter sprzedażowy nie lądował odruchowo w koszu. Żeby tekst firmowy brzmiał jak marka, a nie jak generator formułek.
W tym tekście opieram się też na wnioskach z analiz nad stylem AI i praktycznych wskazówkach badaczy języka, ale przede wszystkim na własnych testach z klientami: blogi, social media, maile, komunikacja wewnętrzna. Bez żargonu technicznego. Z bardzo konkretnymi chwytami, które możesz wprowadzić od razu.
Jak mówić do ChatGPT, żeby brzmiał jak człowiek: fundamenty promptu
Za każdym razem, gdy wpisywałem do ChatGPT lakoniczne „Napisz artykuł o marketingu w social mediach”, kończyło się tak samo. Idealnie poprawny potwór w stylu wypracowania w liceum: wstęp, trzy akapity, grzeczne podsumowanie. Zero charakteru.
Przełom przyszedł, gdy zacząłem traktować prompt jak krótkie briefowanie copywritera, a nie jak wydawanie rozkazu do maszyny. Im precyzyjniej opisałem rolę, ton, odbiorcę i cel, tym mniej musiałem potem ratować tekst.
Dla przykładu: zamiast „Napisz artykuł o newsletterach”, piszę „Jesteś doświadczonym copywriterem B2B, który pisze w pierwszej osobie o własnych błędach. Twoim odbiorcą są właściciele małych e-commerce’ów. Ton: swobodny, konkretny, bez patosu. Pokaż, jak naprawiłeś trzy najczęstsze błędy w newsletterach sprzedażowych”. Różnica w efekcie jest kolosalna.
Pomaga kilka prostych elementów:
- Perspektywa. Proś: „pisz w pierwszej osobie, jakbyś był twórcą newslettera, który dzieli się swoim doświadczeniem, a nie ekspertem zza szyby”. Wtedy pojawiają się zdania typu „zrobiłem”, „przetestowałem”, „to mi nie wyszło”.
- Jasny ton. Zamiast ogólników w stylu „ton profesjonalny”, spróbuj: „swobodny, lekko ironiczny, ale bez żartów na siłę” albo „rzeczowy i spokojny, bez marketingowego patosu”.
- Kontekst i przykład. Wklej krótki fragment tekstu, który już lubisz, i dopisz: „zachowaj podobny rytm zdań i poziom konkretu”. Model naprawdę lepiej trafia w klimat marki, gdy pokazujesz mu wzór.
Wnioski z badań nad stylami AI są tu proste: im dokładniej opisujesz ton, rytm i odbiorcę, tym mniejsze ryzyko, że dostaniesz bezosobowy elaborat. Ale nawet najlepszy prompt to dopiero rozgrzewka. Prawdziwa humanizacja dzieje się przy redakcji, o czym za chwilę.
Jest jeszcze jedno ważne „ale”: odpowiedzialne użycie promptów. Kiedy prosisz model o napisanie ostrego posta o konkurencji, warto na moment się zatrzymać. Jeżeli interesują cię granice, które wyznaczają dziś narzędzia językowe w komunikacji marek, zajrzyj do artykułu o czerwonych liniach i odpowiedzialności w AI. Dobrze znać te ograniczenia, zanim model napisze za ciebie coś, pod czym nie chcesz się podpisywać.
Parafrazy, pierwszoosobowa narracja i modulacja tonu w praktyce
Najwięcej zmian dzieje się wtedy, gdy przestajesz brać tekst z ChatGPT „jak leci” i zaczynasz go obrabiać. Czasem to są trzy poprawki na akapit, ale robią ogromną różnicę.
Weźmy prosty przykład parafrazy. Masz zdanie: „W dzisiejszym dynamicznie zmieniającym się świecie marketingu e-mailowego kluczowe jest odpowiednie segmentowanie odbiorców, aby zwiększyć skuteczność kampanii”. Brzmi jak fragment prezentacji na konferencji branżowej.
Po delikatnej przeróbce mam wersję: „Przy newsletterach zobaczyłem jedną rzecz: gdy nie segmentuję listy, wyniki lecą w dół. Gdy dzielę odbiorców na małe grupy, statystyki rosną już po pierwszej kampanii”. Co się zmieniło? Znika „dynamicznie zmieniający się świat”, pojawia się pierwsza osoba, krótsze zdania, konkretny efekt. To dalej ta sama myśl, ale opowiedziana jak w rozmowie.
Przy parafrazowaniu pilnuję kilku drobiazgów: rozbijam długie, wielokrotnie złożone zdania; dorzucam pytanie retoryczne typu „serio, kto ma na to czas?”; wycinam zdania, które brzmią jak „podsumowując, warto pamiętać…”. Nagle tekst przestaje przypominać korporacyjny raport.
Druga rzecz, która mocno podnosi zaangażowanie, to pierwszoosobowa narracja. Posty w stylu „popełniłem ten błąd, poprawiłem, zobaczyłem różnicę” mają zupełnie inną energię niż bezosobowe „należy zrobić X”.
Prosty trik: kazałem ChatGPT przepisywać gotowe akapity poleceniem „przepisz ten akapit, używając pierwszej osoby liczby pojedynczej, jakby autor opowiadał znajomemu o swoim doświadczeniu, bez patosu”.
Przykład z LinkedIn: zamiast „Przy niedawnej kampanii popełniono błąd w segmentacji”, piszę „Przy ostatniej kampanii kompletnie położyłem segmentację. Zorientowałem się dopiero, gdy otwarcia spadły o połowę”. To nadal profesjonalna historia, ale brzmi jak człowiek z krwi i kości, nie jak slajd z prezentacji.
Na Instagramie dla małej marki odzieżowej proszę model: „opisz w pierwszej osobie poranną walkę z szafą, która kończy się wyborem naszej bluzy, ale bez epickiej historii sukcesu”. Dostaję tekst, który można jeszcze lekko przyciąć, ale już niesie obraz codziennej sceny, a nie tylko „komunikat o produkcie”.
W powitalnym mailu w newsletterze wystarczył jeden zabieg: zamiast „W tym newsletterze znajdziesz porady dotyczące…”, zmieniłem na „Wysyłam ci ten newsletter, bo sam długo szukałem prostych sposobów na ogarnięcie kampanii, bez pięciu narzędzi naraz”. Jedno zdanie, a ton pisma od razu mięknie.
Kolejna sprawa to modulacja tonu pod kanał. Ten sam temat – na przykład „jak korzystać z narzędzi w podróży” – opisuję zupełnie inaczej na blogu, w socialach i w mailu do klienta. Na blogu dodaję więcej analizy, wspominam własne doświadczenia z serwisami podobnymi do HikersBay, gdy sprawdzałem przed wyjazdem ceny hoteli w innym kraju i realnie widziałem, jak różny bywa poziom noclegów za zbliżone kwoty. W social mediach zostawiam krótki, emocjonalny fragment scenki z wyjazdu. W mailu do klienta piszę konkretnie: „tu sprawdzam koszty, tu pogodę, tu bezpieczeństwo, dzięki czemu planuję budżet kampanii podróżniczej dla marki”.
ChatGPT w tym pomaga, jeśli postawisz sprawę jasno. Proszę: „przepisz ten fragment tak, jakby był slajdem w karuzeli na LinkedIn – krócej, bardziej zaczepnie, z jednym zdaniem na slajd” albo „zrób z tego newsletter do bazy stałych klientów – mniej patosu, więcej konkretu i liczb”. Wtedy tekst automatycznie skraca się lub rozlewa w zależności od nośnika.
Gdy mówimy o tonie, nie sposób pominąć sytuacji kryzysowych. Dobrze dobrany głos marki potrafi ugasić pożar albo dolać benzyny. Jeśli interesuje cię, jak AI zachowuje się w delikatnych kontekstach i czego uczy głośny przypadek odmowy ataku słownego na polityka, polecam tekst o AI kontra czarny PR. To osobna, dość mocna historia, ale świetnie pokazuje, że ton komunikacji z AI to nie detal, tylko kwestia odpowiedzialności.
Żeby nie zostać przy ogólnikach, konkret: ostatnio przepisywałem tekst o zmianach algorytmów w wyszukiwarkach. W wersji blogowej zostawiłem dłuższe wyjaśnienia i odwołania do danych, w poście na LinkedIn została tylko jedna scena z klientem, który obudził się po aktualizacji, a w mailu do bazy dorzuciłem dwie liczby z własnych kampanii. Ten sam temat, trzy różne „głosy”. I trzy razy lepsze reakcje niż przy jednej, uniwersalnej wersji.
Od tekstu wygenerowanego do tekstu opublikowanego: redakcja, testy i odpowiedzialne użycie AI
Surowe wyjście z ChatGPT często przypomina półprodukt. Coś jak ciasto na pierogi – technicznie jest, ale jeszcze nie chcesz tego podawać gościom. Dopiero po własnej redakcji tekst zaczyna przypominać coś, pod czym z przyjemnością się podpiszesz.
U mnie proces jest prosty. Najpierw szybki przelot i „odchudzenie” powtórzeń. AI kocha zdania w stylu „w dzisiejszym świecie” czy „podsumowując, warto…”. Wyrzucam je bez litości. Potem szukam fragmentów, które brzmią sztucznie – na przykład akapit pełen truizmów, z których nic nie wynika – i albo je skracam do jednego zdania, albo kasuję.
Kolejny krok to dorzucenie jednego–dwóch szczegółów z własnego doświadczenia. Liczba klientów, z którymi faktycznie przerabiałem dany problem. Konkretny przykład kampanii, która się posypała przez źle ustawiony cel. Drobny błąd, który naprawdę popełniłem, a nie tylko „można popełnić”. Tych detali model sam z siebie nie wymyśli w uczciwy sposób – to ty je wnosisz.
Czasem celowo zostawiam minimalną niedoskonałość. Zbyt proste zdanie. Krótką pauzę w rytmie akapitu. Szczere przyznanie „tu wciąż mam zagwozdkę i testuję różne podejścia”. Paradoksalnie to często najmocniejsze momenty tekstu, bo czytelnik widzi, że po drugiej stronie jest człowiek, a nie automatyczna maszyna do gładkich formułek.
Równolegle toczy się dyskusja o odpowiedzialnym korzystaniu z AI w komunikacji marek. Przejrzystość wobec klientów, unikanie wprowadzania w błąd, nieużywanie „uczłowieczonego” AI do manipulacji emocjami – to już nie jest teoretyczny spór filozoficzny. Gdy czytam o miliardowych układach licencyjnych i nowym wyścigu zbrojeń w sprzęcie dla AI, jak w analizie o nowym gigancie sprzętowym, mam z tyłu głowy prostą myśl: im potężniejsze modele dostajemy do rąk, tym więcej zależy od zwykłych twórców treści i ich etyki.
Są też narzędzia – detektory AI, usługi humanizujące tekst – które pomagają ocenić, czy materiał wygląda na czysto maszynowy. One mają swoje miejsce, ale nie załatwią sedna sprawy. Ostatecznie to człowiek decyduje, czy dany akapit jest uczciwy wobec odbiorcy, czy przypadkiem nie przesuwa granicy, którą jeszcze niedawno sam uważał za nieprzekraczalną.
Na koniec zostaje praktyka. Najlepsze efekty widziałem wtedy, gdy nie próbowałem przerobić całej komunikacji naraz. Wybierz jedną kampanię albo jeden kanał, na przykład newsletter sprzedażowy, i przez tydzień testuj prompty, parafrazy, pierwszą osobę i modulację tonu. Obserwuj, gdzie tekst „siada”, a gdzie ludzie zaczynają odpisywać.
Z moich doświadczeń wynika jedno: pierwszy naprawdę ludzko brzmiący tekst z AI rzadko pojawia się przy pierwszym podejściu. Częściej przy którymś z rzędu, gdy prompt w końcu zaczyna brzmieć jak rozmowa z partnerem, a nie rozkaz do maszyny. I wtedy nagle okazuje się, że ten cały „robot” potrafi mówić bliżej twojego własnego głosu, niż się na początku wydawało.